무신사 X GitHub Copilot 도입 검증 결과

Copilot 도입 사례 및 연구 결과

• GitHub 연구 (2023) : Copilot을 활용한 그룹이 55.8% 더 빠르게 개발 작업을 완료했으며, 경험이 적은 개발자일수록 효과가 더 컸음.
• 롯데 ON (2024) : Copilot을 활용해 코드 자동 완성과 채팅 기능을 통해 코드 가독성과 개발 속도 향상을 경험. 코드 리팩토링과 코드 리뷰 기능을 적극 활용하여 개발 효율성과 코드 품질 향상에 기여.
• SK 플래닛 (2024) : Copilot을 다양한 개발 업무에 적용하여 코드 자동 완성과 코드 추천 기능을 활용하여 평균 개발 속도가 41.7% 향상하였으며, 데이터베이스 스키마 변경 작업 자동화로 작업 시간을 크게 단축.
• 여기어 때 (2024) : Copilot을 도입 후, 자동 코드 생성 기능을 활용하여 금융 데이터 분석 업무에서 생산성 향상을 경험하였으나, 일부 개발자들은 과도한 자동 추천으로 인해 코딩 흐름이 끊기는 문제를 지적함.
• Uplevel 연구 (2024) : AI 코딩 도구가 개발자의 생산성 향상에는 미미한 영향을 미친다는 결과 발표. 또한, 개발자의 번아웃 감소에도 큰 기여를 하지 않는 점을 강조.

무신사 Copilot 도입 검증 방법

• 2024년 11월부터 12월까지, 약 30명의 개발자 대상으로 Copilot 도입이 개발 생산성과 코드 품질에 미친 영향을 분석.
• 일부 긴 배포 주기가 줄어들었으며, 반복적인 작업 자동화가 속도 개선에 기여한 것으로 확인됨.
• 1차 설문 및 2차 설문을 통해 반복 작업 자동화에 대한 긍정적인 평가 및 업무 만족도 변화를 측정.

1차 설문 결과 요약

• 초기에는 반복 작업을 줄이는 데 집중했다가, 이제는 PR 리뷰, 코드 리팩토링, 복잡한 로직 초안 작성 등에 적극적으로 Copilot을 활용.
• “반복적인 작업 부담 감소”가 가장 큰 장점으로 언급되며, 테스트 코드 작성 시간이 절약되어 검증 프로세스가 수월해짐.
• 코드 작성 속도 향상을 경험하나, 코드 품질을 유지하기 위한 검토 과정이 더욱 중요해짐.

결론

• Copilot을 효과적으로 활용하기 위해서는 개발자의 역량 강화, 코드 리뷰 문화 개선, 도구 활용 가이드라인 정립 등의 노력이 필요함을 확인할 수 있었음.

작성자: 무신사 회원 개발 팀 Beomseok Kim, 세일 개발 팀 김도영